zoukankan      html  css  js  c++  java
  • R语言代写RFM模型在电商行业的应用

    如何衡量电商存量用户的价值?是上一次购买时间?消费金额?还是购买次数?通过什么模型进行用户细分对营销活动提升用户的响应率最有效?

    如果一个电商店铺在2017年4月要开展营销活动,需要对老用户进行优惠券、短信、邮件营销。但是营销费用只够给支持2000个用户。

    那么我们可以通过RFM模型选择,选择最有可能相应的2000个用户。

    RFM简介

    RFM是用于分析客户价值的方法。通常用于数据库营销和直销。

    RFM代表的含义

    最近购买 - 客户最近购买了什么?

    购买频率 - 他们多久购买一次?

    购买价值 - 他们花多少钱?

    大多数企业将保留有关客户购买的数据。所需要的是一张表,其中包含客户名称,购买日期和购买价值。

    最近购买= max(10 - 自客户上次购买以来已经过去的月数)

    购买频率= max(过去12个月内的购买次数)

    购买价值= 客户的最高订单价值

    客户分析部分

    返回不同商家的用户的RFM数据

    表名:userrfm

    用户(Userid)

    最近一次消费(Recency) [l1]

    消费频率(Frequency)

    金额(Monetary)

    商家(Busid)

    100001

         

    1

    100002

         

    1

             

    100001

         

    2

    自定义分析部分

    设置新客户回头客老客户的购买次数阈值为 p q r(参数在r中设置,后期通过其他方式传递)

    表名:frequency

    会员类型

    条件设置(F)[l2]

    会员人数

    会员占比

    消费金额

    客单价

    商家名(Busid)

    兴趣客户

    0

    120

         

    1

    新客户

    p

    20

         

    1

    回头客

    q

    10

         

    1

    老客户

    r

    3

         

    1

    兴趣客户

    0

    120

         

    2

    新客户

    p

    20

         

    2

    回头客

    q

    10

         

    2

    老客户

    r

    3

         

    2

    同样设置客户光顾天数的阈值分别阈值为 p q r(参数在r中设置后期通过其他方式传递)

    光顾天数(R)

    流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

    表名:Recency

    会员类型

    条件设置(F)[l3]

    会员人数

    会员占比

    消费金额

    客单价

    商家名(Busid)

    售后期客户

    0~a

    120

         

    1

    活跃期客户

    a~b

    20

         

    1

    沉默期客户

    b~c

    10

         

    1

    睡眠期客户

    c~d

    3

         

    1

    流失期客户

    >d

    2

         

    1

    售后期客户

    0~a

           

    2

    活跃期客户

    a~b

           

    2

    沉默期客户

    b~c

           

    2

    睡眠期客户

    c~d

           

    2

    流失期客户

    >d

           

    2

    光顾天数(R)

    流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

    表名:Recency

    会员类型

    条件设置(F)[l4]

    会员人数

    会员占比

    消费金额

    客单价

    商家名(Busid)

    售后期客户

    0~a

    120

         

    1

    活跃期客户

    a~b

    20

         

    1

    沉默期客户

    b~c

    10

         

    1

    睡眠期客户

    c~d

    3

         

    1

    流失期客户

    >d

    2

         

    1

    售后期客户

    0~a

           

    2

    活跃期客户

    a~b

           

    2

    沉默期客户

    b~c

           

    2

    睡眠期客户

    c~d

           

    2

    流失期客户

    >d

           

    2

    客单价(M)

    流失期客阈值为 l ml m h (参数在r中设置后期通过其他方式传递)

    表名:Monetary

    会员类型

    条件设置(F)[l5]

    会员人数

    会员占比

    消费金额

    客单价

    商家名(Busid)

    低价值客户

    0~l

    120

         

    1

    中低价值客户

    l~ml

    20

         

    1

    中等价值客户

    ml~m

    10

         

    1

    中高价值客户

    m~h

    3

         

    1

    高价值客户

    >h

    2

         

    1

    低价值客户

    0~l

           

    2

    中低价值客户

    l~ml

           

    2

    中等价值客户

    ml~m

           

    2

    中高价值客户

    m~h

           

    2

    高价值客户

    >h

           

    2

    模型实现部分(R语言)

    连接mysql数据

    从数据库中获取数据

    原始数据

    客户分析部分

    自定义分析部分

    购买次数

    光顾天数

    客单价(M)

    RFM三维交叉表分析

    界面:

    1、客户数/占比

    2、平均每次购买金额

    3、累计购买金额

    R值分析(时间跨度[0,1080]

    1、F值指标

    2、M值指标

    3、会员等级指标

    F值分析(F值[1,20],(20,+info))

    1、R值指标

    2、M值指标

    3、会员等级指标

    M值分析(M值间隔选择、购买金额(平均每次购买金额、累计消费金额)、20行)

    1、R值指标

    2、F值指标

    3、会员等级指标

    通过这些报表全面展示了RFM模型分析的各个维度方向,因此,我们可以将一个客户群体中的关系结构分析的很清楚,并且结合实际业务与针对不同群体推送不同业务。

    如果您有任何疑问,请在下面发表评论。  

  • 相关阅读:
    HDU 5791 Two (DP)
    POJ 1088 滑雪 (DPor记忆化搜索)
    LightOJ 1011
    POJ 1787 Charlie's Change (多重背包 带结果组成)
    HDU 5550 Game Rooms (ccpc2015 K)(dp)
    HDU 5542 The Battle of Chibi (ccpc 南阳 C)(DP 树状数组 离散化)
    HDU 5543 Pick The Sticks (01背包)
    HDU 5546 Ancient Go (ccpc2015南阳G)
    NB-IoT的DRX、eDRX、PSM三个模式 (转载,描述的简单易懂)
    MQTT 嵌入式端通讯协议解析(转)
  • 原文地址:https://www.cnblogs.com/tecdat/p/11122152.html
Copyright © 2011-2022 走看看